值得收藏的27个机器学习的小抄
机器学习(Machine Learning)有很多方面，当我开始研究学习它时，我发现了各种各样的“小抄”，它们简明地列出了给定主题的关键知识点。最终，我汇集了超过 20 篇的机器学习相关的小抄，其中一些我经常会翻阅，而另一些我也获益匪浅。这篇文章里面包含了我在网上找到的 27 个小抄，如果你发现我有所遗漏的话，请告诉我。
机器学习领域的变化是日新月异的，我想这些可能很快就会过时，但是至少在目前，它们还是很潮的。
机器学习
这里有一些有用的流程图和机器学习算法表，我只包括了我所发现的最全面的几个。
神经网络架构
来源： https://www.asimovinstitute.org/neural-network-zoo/
神经网络公园
微软 Azure 算法流程图
来源： https://docs.microsoft.com/en-us/azure/machine-learning/machine-learning-algorithm-cheat-sheet
用于微软 Azure 机器学习工作室的机器学习算法
SAS 算法流程图
来源： https://blogs.sas.com/content/subconsciousmusings/2017/04/12/machine-learning-algorithm-use/
SAS：我应该使用哪个机器学习算法?
算法总结
来源： https://machinelearningmastery.com/a-tour-of-machine-learning-algorithms/
机器学习算法指引
来源： https://thinkbigdata.in/best-known-machine-learning-algorithms-infographic/
已知的机器学习算法哪个***?
算法优劣
来源： https://blog.dataiku.com/machine-learning-explained-algorithms-are-your-friend
Python
自然而然，也有许多在线资源是针对 Python 的，这一节中，我仅包括了我所见过的***的那些小抄。
算法
来源： https://www.analyticsvidhya.com/blog/2015/09/full-cheatsheet-machine-learning-algorithms/
Python 基础
来源： https://datasciencefree.com/python.pdf
来源： https://www.datacamp.com/community/tutorials/python-data-science-cheat-sheet-basics#gs.0x1rxEA
Numpy
来源： https://www.dataquest.io/blog/numpy-cheat-sheet/
来源： https://datasciencefree.com/numpy.pdf
来源： https://www.datacamp.com/community/blog/python-numpy-cheat-sheet#gs.Nw3V6CE
来源： https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/numpy/numpy.ipynb
Pandas
来源： https://datasciencefree.com/pandas.pdf
来源： https://www.datacamp.com/community/blog/python-pandas-cheat-sheet#gs.S4P4T=U
来源： https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/pandas/pandas.ipynb
Matplotlib
来源： https://www.datacamp.com/community/blog/python-matplotlib-cheat-sheet
Scikit Learn
来源： https://www.datacamp.com/community/blog/scikit-learn-cheat-sheet#gs.fZ2A1Jk
来源： https://peekaboo-vision.blogspot.de/2013/01/machine-learning-cheat-sheet-for-scikit.html
来源： https://github.com/rcompton/ml_cheat_sheet/blob/master/supervised_learning.ipynb
Tensorflow
Pytorch
来源： https://github.com/bfortuner/pytorch-cheatsheet
数学
如果你希望了解机器学习，那你就需要彻底地理解统计学(特别是概率)、线性代数和一些微积分。我在本科时辅修了数学，但是我确实需要复习一下了。这些小抄提供了机器学习算法背后你所需要了解的大部分数学知识。
概率
来源： https://www.wzchen.com/s/probability_cheatsheet.pdf
概率小抄 2.0
线性代数
来源： https://minireference.com/static/tutorials/linear_algebra_in_4_pages.pdf
四页内解释线性代数
统计学
来源： https://web.mit.edu/~csvoss/Public/usabo/stats_handout.pdf
统计学小抄
微积分
来源： https://tutorial.math.lamar.edu/getfile.aspx?file=B,41,N
微积分小抄
暂无评论，快去成为第一个评论的人吧
更多资讯推荐
- 精选
-
近日，#小学生发现刷脸取件bug#的话题引发关注！这是真的吗？都市快报《好奇实验室》进行了验证。
好奇实验室 · 2天前
- 精选
-
OpenAI 的机器手学会单手解魔方了，而且还原一个三阶魔方全程只花了 4 分钟，其灵巧程度让人自叹不如。
佚名 · 3天前
- MIT新研究表明机器学习不能标记假新闻
-
麻省理工学院研究人员发表的两篇新论文显示，当前的机器学习模型还不能完成区分虚假新闻报道的任务。在不同的研究人员表明计算机可以令人信服地生成虚构新闻故事而无需太多人为监督之后，一些专家希望可以训练基于相同机器学习的系统来检测此类新闻。
佚名 · 3天前
- 精选
-
依靠介入头部的 2 个传感器，法国里昂的一名瘫痪男子 Thibault 实现了操控外骨骼装备来助力行走。
孙滔 · 4天前
- 2008 年预测 2020 年生活方式：基本都实现了
-
美国皮尤研究中心曾在 2008 年预测 2020 年的生活方式，目前来看，该研究的预测基本已经实现。而对于未来 10 年，也就是 2030 年左右人们的生活，在 2017 年底的世界经济论坛上，800 多名信息和通讯技术领域的技术高管和专家给出了如下预测。
佚名 · 4天前
- 机器学习的正则化是什么意思？
-
正则化的好处是当特征很多时，每一个特征都会对预测y贡献一份合适的力量；所以说，使用正则化的目的就是为了防止过拟合。
佚名 · 4天前
- 机器学习的正则化是什么意思？
-
正则化的好处是当特征很多时，每一个特征都会对预测y贡献一份合适的力量；所以说，使用正则化的目的就是为了防止过拟合。
佚名 · 4天前
- 为什么我的CV模型不好用？没想到原因竟如此简单……
-
机器学习专家 Adam Geitgey 近日发布了一篇文章探讨了这一简单却又让很多人头痛的问题，并分享了他为解决这一问题编写的自动图像旋转程序。
机器之心 · 4天前